目录
本文所使用的数据可视化为infogr.am
该爬虫仅供学习使用
文件介绍
bilibili_user.py
:爬虫文件bilibili_user_info.sql
:数据库文件get_face.py
:用户头像下载器
用户数据初步分析
基本概况
- 总数据数:20119918
- 抓取用户的顺序为其注册时间顺序:2009-06-24 14:06:54 至 2016-02-18 21:04:52
- 预估遗漏数据:不超过2%
- 抓取字段:用户id,昵称,性别,头像,等级,经验值,粉丝数,生日,地址,注册时间,签名,等级与经验值等。
性别
- 有效数据:14643019
- 保密:11621898
- 男:1674196
- 女:1346925
这个男女比例是有点出乎个人预料的,接近1:1。其实之前初步抓了2013年暑假之前的数据,男女比例当时还在3:1这样。
可见明确性别的群体还是比较少的,只占了总数据的 15% 左右。
更多的分析日后再做。
年龄
- 统计范围:1970-2010(1980年除外)
- 总数据:3800767
具体数据不放了,简单看一下统计结果吧。
主要用户分布在93-00年的用户(大概16-23周岁),其中97年(19岁)用户占了绝对的主导地位。
事实证明,B站小学生并不多,而是高中生、大学生比较多。
90后用户占主体,但是用户年龄段正在不断后移。毕竟,是一个年轻人的网站。
地区
- 分析范围:国内34个省市及地区。
- 有效数据:863541
主要用户分布在:广东、江苏、北京、上海、浙江等地区。都是一些经济很发达的沿海地区。